.png){kind=icon}
返回
Interpretable prognostics with concept bottleneck models
.png){kind=icon}
OA
AI
DOI：10.1016/j.inffus.2025.103427.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 概念瓶颈模型，用于基于可解释深度学习的RUL预测，采用退化模式作为人类可理解的概念。
• 在N-CMAPSS数据集上对几种黑箱和概念模型进行评估和比较。
• 适用于预测应用的测试时间干预调整。
• 概念嵌入模型即使在概念有限的情况下也能实现高性能和可解释性。
Keyword:
Prognostics
Remaining useful life
Concept Bottleneck Model
Explainable AI
XAI
Interpretability
Concepts
期刊
IF:
15.5
论文数:
4.3K
被引数:
2.7W
机构
暂无机构信息
引用论文
Gated recurrent unit based recurrent neural network for remaining useful life prediction of nonlinear deterioration process基于门控递归单元的递归神经网络在非线性劣化过程剩余寿命预测中的应用
PREAI
分享收藏Remaining Useful Life Prognosis for Turbofan Engine Using Explainable Deep Neural Networks with Dimensionality Reduction.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Interpretable extreme wind speed prediction with concept bottleneck models使用概念瓶颈模型进行可解释的极端风速预测RENEWABLE ENERGYOAAI
RENEWABLE ENERGYIF9.1
OAAI分享收藏Estimation of Bearing Remaining Useful Life Based on Multiscale Convolutional Neural Network基于多尺度卷积神经网络的轴承剩余寿命估算
PREAI
分享收藏Remaining useful life prediction of induction motors using nonlinear degradation of health index基于健康指数非线性退化的感应电机剩余寿命预测
PREAI
分享收藏Remaining useful life estimation in prognostics using deep convolution neural networks使用深度卷积神经网络在预测中的剩余使用寿命估计OAAI
OAAI分享收藏An Explainable Artificial Intelligence Approach for Remaining Useful Life PredictionAerospaceOAAI
AerospaceIF0
OAAI分享收藏Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead停止解释高风险决策的黑盒机器学习模型，而改用可解释的模型OAAI
OAAI分享收藏
查看更多内容